|
| |
|
|
Mobilní aplikace pro detekci graffiti tagů
Chovaneček, Přemysl ; Teuer, Lukáš (oponent) ; Špaňhel, Jakub (vedoucí práce)
Práce se zaměřuje na rozpoznávání objektů v obraze za použití principů umělé inteligence. Řeší detekci podpisů autorů v oblasti umění zvané graffiti. Zabývá se základní problematikou této oblasti a dále poukazuje na použití počítačového vidění a jeho následnou, praktickou aplikaci na mobilních zařízeních, konkrétně tedy na platformě Android. Zvolenou neuronovou sítí byl model ssdMobileNet_v2 . Naučený model dosahuje přesnosti mAP 73.5.% při hodnotě IoU 0.6. Po provedení procesu kvantizace byla pak přesnost snížena na 68.5%. Samotná mobilní aplikace poskytuje real-time detekci a několik dalších potřebných funkcí pro lokalizaci a sběr dat.
|
|
|
Komprese obrazu pomocí neuronových sítí
Teuer, Lukáš ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tento dokument se zabývá kompresí obrazu za pomoci různých druhů neuronových sítí. Jsou zde probrány vlastnosti použitých druhů neuronových sítí, jako jsou konvoluční a rekurentní neuronové sítě. V dokumentu jsou ukázány a podrobně popsány architektury neuronových sítí, které se dají použit ke kompresi obrazu, a vysvětluje, jakým způsobem pracují. Dále jsou zde provedeny experimenty nad různými strukturami a parametry neuronových sítí za cílem najít nejvhodnější vlastnosti sítě pro kompresi obrazu. Navrhují se zde nové koncepty pro kompresi obrazu pomocí neuronových sítí, které jsou hned otestovány. Na závěr je zde navržena síť skládající se z nejlepších konceptů a částí otestovaných během experimentování.
|
|
|
Deep Learning for Object Detection
Pitoňák, Radoslav ; Dobeš, Petr (oponent) ; Teuer, Lukáš (vedoucí práce)
Táto práca sa zaoberá metódami použivanými na detekciu objektov ktoré používajú hlboké neurónové siete. Na začiatku sú popísané konvolučné neurónové siete a porovnané bežne používané metódy na detekciu objektov. V dalšej časti sa venuje návrhu a implementácii vybranej metódy natrénovanej na špecifickom datasete. Na konci tejto práce sú výsledky, ktoré tento model dosiahol diskutované a porovnané s výsledkami iných metód.
|
|
|
Detekce objektů pomocí hlubokých neuronových sítí
Paníček, Andrej ; Herout, Adam (oponent) ; Teuer, Lukáš (vedoucí práce)
Táto práca sa zaoberá detekciou objektov pomocou hlbokých neurónových sietí. V rámci riešenia som upravil, implementoval a natrénoval dobre známy model kaskádových neuró- nových sietí MTCNN tak aby dokázal vykonávať detekciu dopravných značiek. Trénovacie dáta boli vygenerované z dátových sád GTSRB a GTSDB. MTCNN ukázal solídny výkon na vyhodnocovacích dátach z dátovej sady GTSDB, kde dosiahol presnosť detekcie 97.8 %.
|
|
|
Mobilní aplikace pro detekci graffiti tagů
Chovaneček, Přemysl ; Teuer, Lukáš (oponent) ; Špaňhel, Jakub (vedoucí práce)
Práce se zaměřuje na rozpoznávání objektů v obraze za použití principů umělé inteligence. Řeší detekci podpisů autorů v oblasti umění zvané graffiti. Zabývá se základní problematikou této oblasti a dále poukazuje na použití počítačového vidění a jeho následnou, praktickou aplikaci na mobilních zařízeních, konkrétně tedy na platformě Android. Zvolenou neuronovou sítí byl model ssdMobileNet_v2 . Naučený model dosahuje přesnosti mAP 73.5.% při hodnotě IoU 0.6. Po provedení procesu kvantizace byla pak přesnost snížena na 68.5%. Samotná mobilní aplikace poskytuje real-time detekci a několik dalších potřebných funkcí pro lokalizaci a sběr dat.
|
|
|
Deep Learning for Object Detection
Pitoňák, Radoslav ; Dobeš, Petr (oponent) ; Teuer, Lukáš (vedoucí práce)
Táto práca sa zaoberá metódami použivanými na detekciu objektov ktoré používajú hlboké neurónové siete. Na začiatku sú popísané konvolučné neurónové siete a porovnané bežne používané metódy na detekciu objektov. V dalšej časti sa venuje návrhu a implementácii vybranej metódy natrénovanej na špecifickom datasete. Na konci tejto práce sú výsledky, ktoré tento model dosiahol diskutované a porovnané s výsledkami iných metód.
|
|
|
Detekce objektů pomocí hlubokých neuronových sítí
Paníček, Andrej ; Herout, Adam (oponent) ; Teuer, Lukáš (vedoucí práce)
Táto práca sa zaoberá detekciou objektov pomocou hlbokých neurónových sietí. V rámci riešenia som upravil, implementoval a natrénoval dobre známy model kaskádových neuró- nových sietí MTCNN tak aby dokázal vykonávať detekciu dopravných značiek. Trénovacie dáta boli vygenerované z dátových sád GTSRB a GTSDB. MTCNN ukázal solídny výkon na vyhodnocovacích dátach z dátovej sady GTSDB, kde dosiahol presnosť detekcie 97.8 %.
|
|
|
Komprese obrazu pomocí neuronových sítí
Teuer, Lukáš ; Sochor, Jakub (oponent) ; Hradiš, Michal (vedoucí práce)
Tento dokument se zabývá kompresí obrazu za pomoci různých druhů neuronových sítí. Jsou zde probrány vlastnosti použitých druhů neuronových sítí, jako jsou konvoluční a rekurentní neuronové sítě. V dokumentu jsou ukázány a podrobně popsány architektury neuronových sítí, které se dají použit ke kompresi obrazu, a vysvětluje, jakým způsobem pracují. Dále jsou zde provedeny experimenty nad různými strukturami a parametry neuronových sítí za cílem najít nejvhodnější vlastnosti sítě pro kompresi obrazu. Navrhují se zde nové koncepty pro kompresi obrazu pomocí neuronových sítí, které jsou hned otestovány. Na závěr je zde navržena síť skládající se z nejlepších konceptů a částí otestovaných během experimentování.
|
|
| |
host ::
RSS.